Tecnológico Nacional de México

Instituto Tecnológico de Campeche

Ingeniería en sistemas computacionales

Unidad 1, Tarea # 1: Temas de investigación conceptual.

Moo Contreras Gustavo Adolfo

Probabilidad y estadística

Bocos Patron Ramón Agustín

Semestre: 2do Grupo: MS2

Fecha de entrega: 10/02/2017

Introducción
2
En este trabajo se trataran los múltiples conceptos desde lo que es la estadística hasta
otro conceptos como lo son los datos cuantitativos y cualitativos, como estos se vinculan
con la estadística, aprovechando así la información previa a esta que los alumnos ya
conocen más la que se aprenderá próximamente conociendo cada uno de estos temas
desde luego y como no solo se vinculan con la estadística sino con la vida cotidiana y más
que nada en la época actual la cual es de múltiple desarrollo tales como científicos,
tecnológicos, entre otros dando utilización de esta.

Índice
3
¿Qué es la estadística moderna? ¿Por qué estudiarla?, partes de la estadística y el método
científico de la estadística 4y5
Métodos para la obtención de datos, principio “BEBS” (GIGO en inglés) (basura entra
basura sale), ¿Cómo recolectar datos?, tipos de datos estadísticos y Propiedades que
describen una serie numérica de datos 6

Medidas de Tendencia central para cantidades pequeñas de datos: media aritmética,

media ponderada, mediana, moda (ventajas y desventajas) 7

Medidas de dispersión para cantidades pequeñas de datos: rango, varianza, desviación

estándar, coeficiente de variación 8

El manejo de grandes cantidades de datos y Medidas de posición, Cuantíales: cuartiles,

Deciles, Percentiles, Rango intercuartilico 9 a 10

Los histogramas, el polígono de frecuencia y la curva de % acumulado ó ojiva y la distribución de

frecuencias 11 ala 13
simetría, asimetría o sasgada (medidas de tendencia central), uso de polígonos para
comparar grupos de datos y Medidas de forma: Curtosis y asimetría 14 ala 16

Diagramas para datos cualitativos o categóricos 17 a 18

Grafica de barras y grafica de pastel 19

Bibliografías (links de consulta) 20

Temas de investigación conceptual

4 ¿Qué es la estadística moderna? ¿Por qué estudiarla?
A partir de mediados del siglo XX comienza lo que podemos denominar la estadística
moderna, uno de los factores determinantes es la aparición y popularización de los
computadores. El centro de gravedad de la metodología estadística se empieza a
desplazar técnicas de computación intensiva aplicadas a grandes masas de datos, y se
empieza a considerar el método estadístico como un proceso iterativo de búsqueda del
modelo ideal
La estadística, si bien es una ciencia de extracción exacta, tiene una injerencia directa en
cuestiones sociales por lo cual su utilidad práctica es mucho más comprensible que lo que
sucede normalmente con otras ciencias exactas como la matemática.
A diferencia de otras ramas de la matemática que poseen una parte importante de
abstracción, la estadística tiene aplicaciones directas y concretas en la vida real ya que
toma los números y cifras de diferentes fenómenos sociales como por ejemplo la
desocupación, la tasa de mortalidad, la de natalidad y muchos otros datos incluso más
complejos.
Partes en la que se divide la estadística moderna para su estudio
Clasificación clásica de la estadística
El estudio de la estadística se divide clásicamente en dos, la estadística descriptiva y la
estadística inferencial.
La estadística inferencial o inductiva sirve extrapolar los resultados obtenidos en el
análisis de los datos y a partir de ello predecir acerca de la población, con un margen de
confianza conocido
La estadística descriptiva o deductiva se construye a partir de los datos y la inferencia
sobre la población no se puede realizar, al menos con una confianza determinada, la
representación de la información obtenida de los datos se representa mediante el uso de
unos cuantos parámetros y algunas graficas planteadas de tal forma que den importancia
los mismos datos.
El método científico de la estadística
¿Cómo ayuda la estadística en el Método Científico?
Definimos el Método Científico como un método o conjunto sistematizado de procesos en
los que se basa la ciencia para explicar cualquier fenómeno y las leyes que los administran.
En la siguiente imagen os muestro, muy esquematizado, el proceso que se sigue al aplicar
el Método Científico.
5

La estadística descriptiva es la herramienta más útil en la etapa de observación, ya que

nos permite extraer información para realizar nuestras hipótesis fundadas en estos
resultados. También es utilizada para valorar los resultados del experimento.
La estadística analítica se utiliza a partir de la observación, ya que, dependiendo de los
datos observados, se utilizará una técnica u otra, y por supuesto en el proceso
del experimento, ya que su diseño dependerá en cierta medida de las técnicas estadísticas
más apropiadas, además, la estadística analítica es el primer y principal razonamiento
válido.
Como vemos, la estadística proporciona un gran apoyo al Método Científico en las fases
de observación y experimentación, pero en el proceso de hipótesis y en el de la obtención
de una ley científica son otras las bases.
6 Métodos para la obtención de datos, principio “BEBS” (GIGO en inglés) (basura entra
basura sale)
GIGO: Entra basura, sale basura. No importa el método utilizado para obtener los datos, si
un estudio ha de ser útil, si el desempeño debe controlarse apropiadamente o si el
proceso de la toma de decisiones debe ampliarse, los datos recabados deben ser válidos:
es decir, las respuestas correctas deben valorarse de manera que se obtengan mediciones
significativas.
¿Cómo recolectar datos?

 Investigación en registros administrativos: INEC. Banco Central, Cámaras de la

producción, Universidades, etc. para obtener índices de empleo, índice de precios,
datos de salud, datos de eficiencia, etc.
 obtención de datos mediante encuestas de investigación Ej: Estudios de mercado,
Estudios de preferencia electoral, etc.
 realización de experimentos estadísticos

Tipos de datos estadísticos
Los resultados que se obtienen pueden ser:
•Datos cualitativos: corresponde a respuestas categóricas. Ej.: El estado civil de una
persona.
•Datos cuantitativos: corresponden a respuestas numéricas. Ej.: la edad delos niños.
Los datos cuantitativos pueden ser:
•Discretos: se obtienen mediante conteos.
•Continuos: se obtienen mediante mediciones.

Propiedades que describen una serie numérica de datos

Los datos obtenidos se los puede representar de diferentes formas:
•Tubularmente
•Gráficamente
•Mediante números
Sí la muestra contiene pocos datos, se los puede representar directamente, pero si el
número de datos es grande conviene agruparlos para simplificar su análisis.

 Medidas de Tendencia central para cantidades pequeñas de datos:

7 media aritmética, media ponderada, mediana, moda. (ventajas y desventajas)
Los números que definen cual es el valor alrededor del que se concentran los dato su
observación.
•Media aritmética: es el promedio. Se calcula sumando todas las observaciones y luego
dividiendo el total entre el número de elementos involucrados. La media actúa
como punto de equilibrio de tal forma que las observaciones menores compensan a las
observaciones que son mayores. Se ve afectada en gran medida por valores extremos.
•Media ponderada: es una medida de tendencia central, que es apropiada cuando en un
conjunto de datos cada uno de ellos tiene una importancia relativa (o peso) respecto de
los demás datos. Se obtiene multiplicando cada uno de los datos por su ponderación
(peso) para luego sumarlos, obteniendo así una suma ponderada; después se divide
esta entre la suma de los pesos, dando como resultado la media ponderada.
•Mediana: es el valor medio de una secuencia ordenada de datos. Si no hay empates, la
mitad de las observaciones serán menores y la otra mitad serán mayores. La mediana no
se ve afectada por valores extremos. Para calcular la mediana, primero se deben poner los
datos en orden. Después usamos la fórmula del punto de posicionamiento.
•Moda: es el valor de una serie de datos que aparece con más frecuencia. La moda no se
ve afectada por la ocurrencia de cualquier valor extremo.
Comparación entre la media, mediana, moda (Ventajas y desventajas)
•Media -Ventajas: Buena distribución de los datos obtenidos.
Desventajas: Se altera con datos muy grandes
•Mediana -Ventajas: Se utiliza cuando no se puede usar la media
-Desventajas: Necesita variables cardinales
•Moda
-Ventajas: No necesita variables especificas
-Desventajas: No se tienen datos concretos

 
8 Medidas de dispersión para cantidades pequeñas de datos: rango, varianza, desviación
estándar, coeficiente de variación.
Rango: En estadística descriptiva se denomina rango estadístico (R) o recorrido
estadístico, a la diferencia entre el valor máximo y el valor mínimo; por ello, comparte
unidades con los datos. Permite obtener una idea de la dispersión de los datos, cuanto
mayor es el rango, más dispersos están los datos de un conjunto.
Por ejemplo, para una serie de datos de carácter cuantitativo, como lo es la estatura
medida en centímetros, tendríamos:
es posible ordenar los datos como sigue:
donde la notación x(i) indica que se trata del elemento i-ésimo de la serie de datos. De
este modo, el rango sería la diferencia entre el valor máximo (k) y el mínimo; o, lo que es
lo mismo
En nuestro ejemplo, con cinco valores, nos da que R= 185-155 = 30

•Varianza: esta medida se basa en la cuantificación de las distancias delos datos con
respecto al valor de la media.
por ejemplo: en los casos en que la variable mide una distancia en kilómetros, su varianza
se expresa en kilómetros al cuadrado.
•Desviación estándar: es la raíz cuadrada positiva de la varianza. La
desviación estándar muestral o desviación típica o error maestral, está
expresada en las mismas unidades de medición que los datos de la muestra.
•Coeficiente de variación: Es un número que se usa para comparar la variabilidad de los
datos de diferentes grupos.
9 El manejo de grandes cantidades de datos
Medidas de posición, Cuantíales: cuartiles, Deciles, Percentiles, Rango intercuartilico.
Medidas de posición
Las medidas de posición relativa se llaman en general cuantiles y se pueden clasificar en
tres grandes grupos: Cuartiles, Deciles, percentiles.
Las medidas de posición como los cuartiles, quintiles y percentiles dividen a una
distribución ordenada en partes iguales.
Para calcular las medidas de posición es necesario que los datos estén ordenados de
menor a mayor.
a - Los Cuartiles (Qn): son los tres valores de la variable de una distribución que la dividen
en cuatro partes iguales, es decir, al 25%, 50% y 75%. Para calcular el valor de uno de los
cuatro Cuartiles, se utiliza la fórmula:
Qk = k (N/4)
En donde:
Qk = Cuartil número 1, 2, 3 ó 4
N = total de datos de la distribución.
Se advierte que la posición del segundo cuartil corresponde a la ubicación de la mediana,
es decir que el segundo cuartil será siempre igual a la mediana.
b - Los Deciles: Corresponden a los 9 valores que dividen a estos en 10 partes iguales, es
decir, al 10%, al 20%... y al 90%. Los Deciles se designan por D1, D2,..., D9
c- Los percentiles (Pn): son los noventa y nueve valores de la variable de una distribución
que la dividen en cien partes iguales, es decir, al 1%, al 2%... y al 99% de los datos. Los
percentiles se designan por P1, P2,... P99
Para calcular medidas de posición podemos considerar lo siguiente:
El primer cuartil (Q1) es el valor de la variable que supera a lo más el 25 % de los datos y
es superado por a lo más el 75 % de ellos en la distribución ordenada de menor a mayor.
El segundo cuartil (Q2) es un valor que supera a lo más el 50 % de los datos y es superado
por a lo más el 50 % de ellos, es decir, Q2 coincide con la mediana. El tercer cuartil (Q3) es
un valor que supera a lo más al 75 % de los datos y es superado por algo más el 25 % de
ellos.
El percentil p (Pp) es un valor de la variable tal que el p% de la muestra está por debajo y
el (100p) % está sobre.
10 Para calcular el percentil Pk correspondiente al k% de los datos se puede utilizar la
siguiente fórmula:
Donde:
Li es el límite inferior del intervalo donde se encuentra el k% de los datos.
ai es la amplitud del intervalo donde se encuentra el k% de los datos.
fi es la frecuencia absoluta del intervalo donde se encuentra el k% de los datos.
Fi-1 es la frecuencia acumulada anterior al intervalo donde se encuentra el k% de los
datos.
n es el total de datos.
En estadística descriptiva, se le llama rango intercuartílico o rango intercuartil, a la
diferencia entre el tercer y el primer cuartil de una distribución. Es una medida de la
dispersión estadística. A diferencia del rango, se trata de un estadístico robusto.
11 Los histogramas
El histograma es aquella representación gráfica de estadísticas de diferentes tipos. La
utilidad del histograma tiene que ver con la posibilidad de establecer de manera visual,
ordenada y fácilmente comprensible todos los datos numéricos estadísticos que pueden
tornarse difíciles de entender. Hay muchos tipos de histogramas y cada uno se ajusta a
diferentes necesidades como también a diferentes tipos de información.

Los histogramas son utilizados siempre por la ciencia estadística. Su función es exponer
gráficamente números, variables y cifras de modo que los resultados se visualicen más
clara y ordenadamente. El histograma es siempre una representación en barras y por eso
es importante no confundirlo con otro tipo de gráficos como las tortas. Se estima que por
el tipo de información brindada y por la manera en que ésta es dispuesta, los histogramas
son de especial utilidad y eficacia para las ciencias sociales ya que permiten comparar
datos sociales como los resultados de un censo, la cantidad de mujeres y/o hombres en
una comunidad, el nivel de analfabetismo o mortandad infantil, etc.
Para un histograma existen dos tipos de informaciones básicas (que pueden ser
complementados o no de acuerdo a la complejidad del diseño): la frecuencia de los
valores y los valores en sí. Normalmente, las frecuencias son representadas en el eje
vertical mientras que en el horizontal se representan los valores de cada una de las
variables (que aparecen en el histograma como barras bi o tridimensionales).

Existen diferentes tipos de histogramas. Los histogramas de barras simples son los más
comunes y utilizados. También están los histogramas de barras compuestas que permiten
introducir información sobre dos variables. Luego están los histogramas de barras
agrupadas según información y por último el polígono de frecuencias y la ojiva porcentual,
ambos sistemas utilizados normalmente por expertos. Trabajar con histogramas es muy
12 simple y seguramente proveerá con una mejor comprensión de diferente tipo de datos e
información.
Polígono de frecuencia

Polígono de frecuencia es el nombre que recibe una clase de gráfico que se crea a partir
de un histograma de frecuencia. Estos histogramas emplean columnas verticales para
reflejar frecuencias): el polígono de frecuencia es realizado uniendo los puntos de mayor
altura de estas columnas.

Características de los polígonos de frecuencias

No muestran frecuencias acumuladas.
Se prefiere para el tratamiento de datos cuantitativos.
El punto con mayor altura representa la mayor frecuencia
El área bajo la curva representa el 100% de los datos. El polígono de frecuencia esta
diseñado para mantener la misma área de las columnas.
Analicemos una porción del gráfico para probar esta afirmación:
Observe que cada línea corta una porción de la columna, pero a su vez, agrega una
porción adicional. Ambas porciones son iguales (triangulo rectángulos iguales),
manteniendo el área global en el gráfico.

OJIVA
Concepto:
La ojiva es un polígono de frecuencias acumuladas, es decir, en las abscisas se colocan los
límites superiores de cada intervalo de clase y en las ordenadas se coloca la frecuencia
acumulada (absoluta o relativa) de la clase.
La ojiva es útil para: Calcular el número o el porcentaje de observaciones que
corresponden a un intervalo determinado de la variable
Calcula los percentiles de la distribución de los datos
13 Características de las ojivas:
Muestran frecuencias acumuladas.
Se prefiere para el tratamiento de datos cuantitativos.
El punto de inicio equivale a una frecuencia de 0.
El punto final equivale al 100% de los datos.
Interpretando la información en las ojivas
Dada su ventaja de representar frecuencias acumuladas, las ojivas se convierten en una
herramienta vital para el análisis estadístico.
Importancia de la forma de datos
La importancia de los datos estadísticos se funda en el hecho de que sirven para evaluar la
tendencia futura de un fenómeno determinado. En efecto, luego de un análisis
concienzudo, los datos estadísticos pueden revelar en alguna medida que esperar a futuro
en algún área de la actividad humana. Es por ello que la forma de recopilación de dichos
datos es fundamental, buscando en todo momento que sean representativos de un
universo más grande. Algunas de las aplicaciones de este procedimiento estadístico en
función de datos recopilados pueden referir al ámbito de la política, de las finanzas, del
mercadeo, etc.
14 simetría, asimetría o sasgada (medidas de tendencia central)
La simetría (del griego σύν "con" y μέτρον "medida") es un rasgo característico de formas
geométricas, sistemas, ecuaciones y otros objetos materiales, o entidades abstractas,
relacionada con su invariancia bajo ciertas transformaciones, movimientos o intercambios.
En condiciones formales, un objeto es simétrico en lo que concierne a una operación
matemática dada si el resultado de aplicar esa operación o transformación al objeto, el
resultado es un objeto indistinguible en su aspecto del objeto original. Dos objetos son
simétricos uno al otro en lo que concierne a un grupo dado de operaciones si uno es
obtenido de otro por algunas operaciones (y viceversa). En la geometría 2D las clases
principales de simetría de interés son las que conciernen a las isometrías de un espacio
euclídeo: traslaciones, rotaciones, reflexiones y reflexiones que se deslizan. Además de
simetrías geométricas existen simetrías abstractas relacionadas con operaciones
abstractas como la permutación de partes de un objeto.
MEDIDA DE ASIMETRÍA
Diremos que una distribución es simétrica cuando su mediana, su moda y su media
aritmética coinciden.
Diremos que una distribución es asimétrica a la derecha si las frecuencias (absolutas o
relativas) descienden más lentamente por la derecha que por la izquierda.
Si las frecuencias descienden más lentamente por la izquierda que por la derecha diremos
que la distribución es asimétrica a la izquierda.
Existen varias medidas de la asimetría de una distribución de frecuencias. Una de ellas es
el Coeficiente de Asimetría de Pearson:
Su valor es cero cuando la distribución es simétrica, positivo cuando existe asimetría a la
derecha y negativo cuando existe asimetría a la izquierda.

Medidas de forma: Curtosis y asimetría

Las medidas de distribución nos permiten identificar la forma en que se separan o
aglomeran los valores de acuerdo a su representación gráfica. Estas medidas describen la
manera como los datos tienden a reunirse de acuerdo con la frecuencia con que
se hallen dentro de la información. Su utilidad radica en la posibilidad de identificar
las características de la distribución sin necesidad de generar el gráfico. Sus principales
medidas son la Asimetría y la Curtosis.
15 1. ASIMETRÍA
Esta medida nos permite identificar si los datos se distribuyen de forma uniforme
alrededor del punto central (Media aritmética). La asimetría presenta tres estados
diferentes [Fig.5-1], cada uno de los cuales define de forma concisa como están
distribuidos los datos respecto al eje de asimetría. Se dice que la asimetría es
positiva cuando la mayoría de los datos se encuentran por encima del valor de la media
aritmética, la curva es Simétrica cuando se distribuyen aproximadamente la misma
cantidad de valores en ambos lados de la media y se conoce como asimetría
negativa cuando la mayor cantidad de datos se aglomeran en los valores menores que la
media.

Figura 5-1
El Coeficiente de asimetría, se representa mediante la ecuación matemática,

Ecuación 5-9
Donde (g1) representa el coeficiente de asimetría de Fisher, (Xi) cada uno de los valores, (
) la media de la muestra y (ni) la frecuencia de cada valor. Los resultados de esta
ecuación se interpretan:
(g1 = 0): Se acepta que la distribución es Simétrica, es decir, existe aproximadamente la
misma cantidad de valores a los dos lados de la media. Este valor es difícil de conseguir
por lo que se tiende a tomar los valores que son cercanos ya sean positivos o negativos (±
0.5).
(g1 > 0): La curva es asimétricamente positiva por lo que los valores se tienden a reunir
más en la parte izquierda que en la derecha de la media.
(g1 < 0): La curva es asimétricamente negativa por lo que los valores se tienden a reunir
más en la parte derecha de la media.
Desde luego entre mayor sea el número (Positivo o Negativo), mayor será la distancia que
separa la aglomeración de los valores con respecto a la media.

2. CURTOSIS
Esta medida determina el grado de concentración que presentan los valores en la región
central de la distribución. Por medio del Coeficiente de Curtosis, podemos identificar si
existe una gran concentración de valores (Leptocúrtica), una concentración normal
(Mesocúrtica) ó una baja concentración (Platicúrtica).
16

Figura 5-2
Para calcular el coeficiente de Curtosis se utiliza la ecuación:

Ecuación 5-10
Donde (g2) representa el coeficiente de Curtosis, (Xi) cada uno de los valores, ( ) la media
de la muestra y (ni) la frecuencia de cada valor. Los resultados de esta fórmula se
interpretan:
(g2 = 0) la distribución es Mesocúrtica: Al igual que en la asimetría es bastante
difícil encontrar un coeficiente de Curtosis de cero (0), por lo que se suelen aceptar los
valores cercanos (± 0.5 aprox.).
(g2 > 0) la distribución es Leptocúrtica
(g2 < 0) la distribución es Platicúrtica
Cuando la distribución de los datos cuenta con un coeficiente de asimetría (g1 = ±0.5) y un
coeficiente de Curtosis de (g2 = ±0.5), se le denomina Curva Normal. Este criterio es de
suma importancia ya que para la mayoría de los procedimientos de la estadística de
inferencia se requiere que los datos se distribuyan normalmente.
La principal ventaja de la distribución normal radica en el supuesto que el 95% de los
valores se encuentra dentro de una distancia de dos desviaciones estándar de la media
aritmética (Fig.5-3); es decir, si tomamos la media y le sumamos dos veces la desviación y
después le restamos a la media dos desviaciones, el 95% de los casos se encontraría
dentro del rango que compongan estos valores.

Figura 5-3
Desde luego, los conceptos vistos hasta aquí, son sólo una pequeña introducción a las
principales medidas de Estadística Descriptiva; es de gran importancia que los lectores
profundicen en estos temas ya que la principal dificultad del paquete SPSS radica en el
desconocimiento de los conceptos estadísticos.
Las definiciones plasmadas en este capítulo han sido extraídas de los
libros Estadística para administradores escrito por Alan Wester de la editorial McGraw-
Hill y el libro Estadística y Muestreo escrito por Ciro Martínez editorial Ecoe
editores (Octava edición). No necesariamente tienes que guiarte por estos libros ya que
en las librerías encontraras una gran variedad de textos que pueden ser de bastante
utilidad en la introducción a esta ciencia.
17 Diagramas para datos cualitativos o categóricos
DIAGRAMA CIRCULAR  

Es de especial utilidad para mostrar proporciones ( porcentajes ) relativas de una variable.

Se crea marcando una porción del círculo correspondiente a cada categoría de la
variable . 

DIAGRAMA DE BARRAS

Es una forma gráfica de representar datos cualitativos que se han resumido en

una distribución de frecuencias, de relativas o de porcentuales. Hay varios tipos de
gráficos de barras, como son: 

GRÁFICA SIMPLE DE BARRAS VERTICALES 

Para respuestas categóricas cualitativas en el que solo interviene una barra para
cada clase. Su trazo se realiza ubicando en el eje horizontal   de la gráfica los nombres
que identifican cada una de las clases. En el eje vertical se usa una escala de
frecuencias, una de frecuencias relativas o una de porcentuales. Luego, con una barra de
un ancho fijo trazada sobre cada indicador de clase llegamos a la altura que corresponde
al tipo de frecuencia escogido. Las barras se separan a fin de señalar que cada clase es
una categoría independiente. Los espacios entre las barras deben corresponder a la
mitad del ancho de una barra.
18

GRÁFICA SIMPLE DE BARRAS HORIZONTALES   

Se utiliza principalmente para facilitar la comparación entre las diferentes clases

que componen los datos categóricos. El trazo de la gráfica es muy similar  a la gráfica
de barras verticales, solo que  éstas van en forma horizontal y están ordenadas de la
mayor a la menor frecuencia absolutas, de frecuencia relativas o de porcentajes. De
esta manera se logra una mejor visualización en las preferencias.  

GRÁFICA DE BARRAS COMPONENTES 

Este tipo de gráfica se usa cuando las diferentes categorías de datos  se componen
de otras clases , de tal forma que cada barra se pueda subdividir y representar cada una
de estas clases .Así mismo,  entre las categorías y sus componentes se  compara valores. 
También se le conoce como barras agrupadas. Se puede hacer uso de barras 
horizontales o de barras verticales; su escogencia   depende de lo que se pretenda ilustrar
para que facilite su visualización.
19

Grafica de barras y grafica de pastel

Gráfica que muestra datos de forma visual utilizando barras horizontales o verticales cuyas
longitudes son proporcionales a las cantidades que representan. Se pueden utilizar
cuando un eje no puede tener una escala numérica.

Definición: gráfica de pastel. Gráfica circular que utiliza radios para dividir un círculo en
sectores de manera que las áreas de los sectores son proporcionales a las cantidades
representadas.
20

Bibliografías

Links:
http://www.estadisticaparatodos.es/historia/histo_esta.html
https://www.importancia.org/estadistica.php
http://dieumsnh.qfb.umich.mx/estadistica/clasificac.htm
https://fdesnedecor.wordpress.com/2008/06/05/la-estadistica-dentro-del-metodo-
cientifico/
https://es.scribd.com/document/330710923/Borra-Dor-Final-Estadistica
http://www.portaleducativo.net/octavo-basico/830/Medidas-de-posicion

http://www.definicionabc.com/tecnologia/histograma.php

https://www.importancia.org/datos-estadisticos.php

http://www.tuveras.com/estadistica/estadistica02.htm
 http://www.spssfree.com/curso-de-spss/analisis-descriptivo/medidas-de-distribucion-curtosis-
21
asimetria.html

http://elzhifestadistica.blogspot.mx/2012/05/graficas-estadisticas.html

http://www.mathematicsdictionary.com/spanish/vmd/full/p/piechart.htm